[发明专利]一种非接触式混凝土表观裂缝测量设备和方法

说明书

本发明公开一种非接触式混凝土表观裂缝测量设备和方法，其中连接支架的圆弧部分粘接到相机镜头上，两个激光测距仪粘接在耳板上；激光测距仪和相机的数据传入微型计算机中。测量时，使两个激光点连线覆盖待测裂缝全部或大部分，并在测距读数近似相等时进行拍摄；微型计算机对裂缝识别，得到预测的裂缝二值图像；将裂缝二值图像进行骨架化处理，得到垂直于骨架走向的裂缝最大像素宽度；结合两个激光测距仪的测量值、相机参数、激光测距仪基准点与镜头平面的固定偏距，得到图片尺寸相对于实际尺寸的缩放比例；根据缩放比例和最大像素宽度计算得到裂缝的最大实际宽度。本发明能有效实现对表观裂缝最大宽度的非接触式测量，能提高裂缝缺陷检测效率。

技术领域

本发明涉及混凝土结构健康检测领域，具体涉及一种非接触式混凝土表观裂缝测量设备和方法。

背景技术

裂缝缺陷是建筑、桥梁、隧洞衬砌等混凝土结构的典型病害，裂缝的出现会在一定程度上影响结构的完整性和可靠性，任由其不断地扩展甚至会引发严重的安全事故。因此，需要定期对混凝土结构进行缺陷检查、评估和修复，以确保结构的长期安全稳定运营。

目前，传统的混凝土结构裂缝检测仍以人工检测为主。例如，隧洞衬砌混凝土裂缝检修过程中，需要有资质的检查人员进入隧洞内部通过肉眼来检查衬砌状况、使用裂缝测宽仪器、超声波检测仪等对裂缝进行测量，并记录缺陷的简要信息和大致位置。这种方法主要依赖技术人员的经验和判断力，不仅存在主观性强的缺陷，而且对于拱顶等不易触及到的部位，裂缝测量难度会增大，导致检测成本加大、检测效率相对较低。

目前在计算机视觉领域有许多传统的裂缝检测方法，例如FHT(Fast HaarTransform，快速哈尔变换)和FFT(Fast Fourier Transform，快速傅里叶变换)等边缘检测技术，然而这种传统的裂缝自动检测方法需要在建立模型时人工设计特征和参数，这导致前期的工作量很大，且设计参数时无法考虑到所有干扰因素，这导致传统裂缝检测方法难以处理复杂环境下的图像。

近些年来，卷积神经网络等深度学习技术的发展为混凝土结构裂缝缺陷的检测提供了新的解决方案，但这种用于混凝土结构裂缝缺陷的检测的卷积神经网络深度学习技术通常只是实现对图片中裂缝像素范围的识别，无法直接得到裂缝的实际最大宽度信息，从而无法用来评价裂缝的裂缝风险，因此混凝土结构裂缝缺陷检测效率依然较低。

综上，发明一种便携式的非接触式混凝土裂缝测量设备，并提出相应的混凝土表观裂缝实际宽度测量方法，以有效提高混凝土结构裂缝缺陷检测的效率，是目前相关工程领域亟待解决的技术问题。

发明内容

为了克服目前，本发明提供了一种非接触式混凝土表观裂缝测量设备和方法，其能够实现对混凝土结构表观裂缝的快速、非接触式的测量，因此能够有效提高裂缝测量的效率。

为了实现上述目的，本发明采用了以下技术方案：

本发明提供一种非接触式混凝土表观裂缝测量方法，其包括：

步骤S1，控制测量设备的两个激光测距仪进行动态测距；并在测距过程中使两个激光点连线覆盖待测裂缝全部或大部分；

步骤S2，调整测量设备的相机的空间位置及角度，使得相机镜头尽可能正对混凝土结构表面；

步骤S3，微型计算机判断两个激光测距仪的测量值是否近似相等，若两个激光测距仪的测量值的误差在设定范围内，则控制测量设备的相机进行拍摄，得到混凝土结构裂缝图像；

步骤S5，微型计算机通过数据线和转换器实时接收混凝土结构裂缝图像、两个激光测距仪测量值、相机参数；

步骤S6，微型计算机调用裂缝识别模块，基于之前得到的混凝土结构图像裂缝识别预训练模型，对图像中的裂缝进行识别，得到预测的混凝土结构的裂缝二值图像；